Um Framework de Extração e Etiquetamento de Informações de Trânsito

Abstract

Com o grande avanço nas tecnologias computacionais, está cada vez mais possı́vel usar as redes sociais para a coleta e análise de informações de indivı́duos, comunidades e a respeito da dinâmica das cidades em tempo real. O excesso de informação, porém, é um desafio até mesmo no contexto das cidades, onde muitos eventos ocorrem em paralelo. Neste contexto, este trabalho propõe um framework que tem como função facilitar a extração, tratamento e identificação de eventos e suas localidades em tweets escritos na Lı́ngua Portuguesa utilizando a técnica Conditional Random Fields para realizar a tarefa de Reconhecimento de Entidades Nomeadas. Os resultados obtidos demonstram o potencial da ferramenta em identificar eventos de trânsito em uma dada localidade de interesse.

Classificação de Tweets sobre Trânsito Utilizando Diferentes Técnicas de Deep Learning

“…Além disso, foi apresentado em [7] um framework para a detecção de eventos relacionados a trânsito na cidade do Rio de Janeiro a partir de tweets em língua portuguesa, utilizando como classificador o modelo Conditional Random Fields. As entidades são reconhecidas e classificadas a partir do conjunto de ferramentas Stanford Named Entity Recognition (Stanford NER).…”

“…Particularmente o Twitteré muito usado como fonte para estudos envolvendo redes sociais por sua natureza aberta, seus posts sendo públicos por definição [6], diferente de redes como o Facebook, que exigem permissão explícita para o acesso a posts. No entanto, estudos focados em classificação de microtextos raramente trabalham com português, sendo eles em sua maioria concentrados na língua inglesa [7]. Igualmente, há grande dificuldade em levantar bases de dados prontas de tweets em português para utilizar em tais pesquisas.…”